TY - JOUR ID - 28320 TI - پیش‌بینی‌ هفتگی زبالة تولیدی با استفاده از مدل ترکیبی شبکة عصبی و تبدیل موجک JO - محیط شناسی JA - JES LA - fa SN - 1025-8620 AU - نوری, روح‌اله AU - عبدلی, محمد علی AU - فرخ‌نیا, اشکان AU - قائمی, آلاله AD - Y1 - 2009 PY - 2009 VL - 35 IS - 49 SP - EP - KW - پیش‌بینی هفتگی تولید KW - تهران KW - شبکة عصبی KW - شبکة عصبی مصنوعی KW - موجکی DO - N2 - پیش‌بینی کمیت تولید، نقشی اساسی در بهینه‌سازی و برنامه‌ریزی سیستم مدیریت مواد زاید جامد شهری دارد. اما به دلیل طبیعت ناهمگون و تأثیر عوامل متنوع و خارج از کنترل بر تولید، همواره با مشکلات زیادی همراه بوده است. شبکة عصبی مصنوعی اخیراً در بسیاری از کاربردهای مهندسی نظیر مهندسی محیط زیست به عنوان ابزاری قدرتمند در مدلسازی مورد توجه قرار گرفته است. در این تحقیق با توجه به دینامیک و پیچیده بودن سیستم مدیریت مواد زاید جامد، از مدل ترکیبی شبکة عصبی مصنوعی با تابع آموزش لونبرگ-مارکویت و تبدیل موجک (مدل عصبی-موجکی) برای پیش‌بینی کمیت تولید هفتگی در شهر تهران استفاده شده است. برای این منظور از مجموعة زمانی تولید این شهر در فاصله زمانی سالهای 1380 تا سه ماهة نخست 1385 که به صورت هفتگی مرتب شده بودند، استفاده شد. بعد از آموزش و تست مدلهای شبکه عصبی و شبکه عصبی-موجکی نتایج این مدلها با یکدیگر مورد مقایسه قرار گرفت. نتایج به‌دست‌آمده از این تحقیق نشان می‌دهد که استفاده از تبدیل موجک در پیش‌پردازش متغیرهای ورودی، تأثیر مثبتی در پیش‌بینی میزان تولید هفتگی در این شهر ایجاد کرده، به‌طوری‌که موجب افزایش چشمگیری در دقت محاسبات مدل شده است. این بهبود در مورد ضریب همبستگی مدل‌ها (R2) در مرحلة صحت‌سنجی، از 5/0 در مدل شبکة عصبی به 9/0 در مدل شبکة عصبی-موجکی است. همچنین معیار قدرمطلق میانگین خطای نسبی نیز در مدل شبکه عصبی از 99/5 درصد به 92/1 درصد در مدل شبکه عصبی-موجکی کاهش پیدا کرده است. UR - https://jes.ut.ac.ir/article_28320.html L1 - https://jes.ut.ac.ir/article_28320_b45648fa611188a212c485fdd4dba5f5.pdf ER -